TensorFlow提供了一个可视化工具TensorBoard,它能够将训练过程中的各种绘制数据进行展示出来,包括标量,图片,音频,计算图,数据分布,直方图等,通过网页来观察模型的结构和训练过程中各个参数的变化。
Tensorboard通过一个日志展示系统进行数据可视化,在session运行图的时候,将各类的数据汇总并输出到日志文件中。然后启动Tensorboard服务,Tensorboard读取日志文件,并开启6006端口提供web服务。让用户可以在浏览器中查看数据。
相关的API函数如下;
tf.summary.scalar() :标量数据汇总,输出protobuf
tf.summary.histogram() :记录变量var的直方图,输出到直方图汇总的protobuf
tf.summary.image() :图像数据汇总,输出protobuf
tf.summary.merge() :合并所有的汇总日志
tf.summary.FileWriter() :创建SummaryWriter
tf.summary.FileWriter().add_summary()
tf.summary.FileWriter().add_session_log()
tf.summary.FileWriter().add_event()
tf.summary.FileWriter().add_graph() : 将protobuf写入文件的类
代码如下:
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt train_x = np.linspace(-5, 3, 50) train_y = train_x * 5 + 10 + np.random.random(50) * 10 - 5 # plt.plot(train_x, train_y, ‘r.‘) # plt.grid(True) # plt.show() X = tf.placeholder(dtype=tf.float32) Y = tf.placeholder(dtype=tf.float32) w = tf.Variable(tf.random.truncated_normal([1]), name=‘Weight‘) b = tf.Variable(tf.random.truncated_normal([1]), name=‘bias‘) z = tf.multiply(X, w) + b tf.summary.histogram(‘z‘, z) cost = tf.reduce_mean(tf.square(Y - z)) tf.summary.scalar(‘loss‘, cost) learning_rate = 0.01 optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost) init = tf.global_variables_initializer() training_epochs = 20 display_step = 2 with tf.Session() as sess: sess.run(init) loss_list = [] merged_summary_op = tf.summary.merge_all() # 合并所有的summary summary_wirter = tf.summary.FileWriter(‘log/linear‘, sess.graph) for epoch in range(training_epochs): for (x, y) in zip(train_x, train_y): sess.run(optimizer,feed_dict={X:x, Y:y}) if epoch % display_step == 0: loss = sess.run(cost, feed_dict={X:x, Y:y}) loss_list.append(loss) print(‘Iter: ‘, epoch, ‘ Loss: ‘, loss) summary_str = sess.run(merged_summary_op, feed_dict={X:train_x, Y:train_y}) summary_wirter.add_summary(summary_str, epoch) w_, b_ = sess.run([w, b], feed_dict={X: x, Y: y}) print(" Finished ") print("W: ", w_, " b: ", b_, " loss: ", loss) plt.plot(train_x, train_x*w_ + b_, ‘g-‘, train_x, train_y, ‘r.‘) plt.grid(True) plt.show()
上述的可视化步骤主要是
1.将需要可视化的变量加入summary,做好可视化的定义操作
2.merged_summary_op = tf.summary.merge_all() # 合并所有的summary
3.创建summary_wirter对象,并将图写入文件
4.获取可视化的数据,通过summary_writer对象将数据进行写入
在程序运行完,将会在指定好的路径中生成日志文件,
通过命令行工具切换到该目录,
执行命令:tensorboard --logdir=生成的日志文件的路径
打开浏览器进行查看,
定义的图的结构:
原文地址:https://www.cnblogs.com/baby-lily/p/10931302.html